SRE
更新日:
用語解説
SRE（Site Reliability Engineering：サイト信頼性エンジニアリング）は、ソフトウェア工学の手法をシステム運用へ適用し、信頼性と変更速度を測定可能な目標に基づいて両立させる考え方・役割です。
■ 試験で押さえるポイント
SLIは可用性や遅延などの測定指標、SLOはその目標値、SLAは顧客との合意です。監視値をSLOと比較し、利用者視点の信頼性を管理します。
エラーバジェットは許容できる失敗量で、可用性SLOが99.9%なら許容不能率は1－0.999＝0.001、すなわち0.1%です。
手作業で反復的・戦術的な運用負荷であるトイルを自動化し、監視、容量計画、リリース、障害対応などをコードと工学的手法で改善します。
障害をゼロにすることだけを目標にせず、エラーバジェットが残れば変更を進め、消費が大きければリリースを抑えて信頼性改善を優先します。
■ 選択肢での判断ポイント
SREは単なる監視担当や24時間の手作業運用ではありません。SLI・SLO・エラーバジェット、運用自動化、開発と信頼性の均衡が識別点です。
例: 30日間の可用性SLOが99.9%なら、許容停止時間は30×24×60×0.001＝43.2分です。停止が40分に達したなら、残り予算を踏まえて新規リリースを抑える判断ができます。